| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 目录 | 第7-9页 |
| 1 引言 | 第9-19页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 钢轨表面缺陷分析 | 第10-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.4 计算机视觉检测 | 第15-17页 |
| 1.5 论文主要内容和章节安排 | 第17-19页 |
| 2 钢轨表面缺陷检测模拟系统硬件设计 | 第19-30页 |
| 2.1 室内钢轨检测系统仿真结构 | 第19-20页 |
| 2.2 照明模块 | 第20-24页 |
| 2.3 图像采集模块 | 第24-28页 |
| 2.4 存储模块 | 第28-29页 |
| 2.5 本章总结 | 第29-30页 |
| 3 基于局部非线性对比增强以及改进的最大熵阈值分割法的检测算法 | 第30-46页 |
| 3.1 钢轨表面特征分析 | 第30-31页 |
| 3.2 钢轨缺陷处理流程 | 第31-32页 |
| 3.3 钢轨表面图像预处理 | 第32-33页 |
| 3.4 基于局部非线性对比增强算法 | 第33-37页 |
| 3.5 图像最佳熵值分割 | 第37-39页 |
| 3.6 形态学处理 | 第39-41页 |
| 3.6.1 形态学概述 | 第40页 |
| 3.6.2 形态学处理流程 | 第40-41页 |
| 3.7 实验及结果分析 | 第41-45页 |
| 3.8 本章总结 | 第45-46页 |
| 4 基于灰度梯度共生矩阵以及最大熵模型的检测算法 | 第46-61页 |
| 4.1 钢轨表面特征分析 | 第46-48页 |
| 4.2 钢轨表面缺陷检测流程 | 第48页 |
| 4.3 钢轨表面图像预处理 | 第48-49页 |
| 4.4 钢轨内边缘的提取 | 第49-55页 |
| 4.4.1 灰度梯度共生矩阵 | 第50-52页 |
| 4.4.2 最大熵分割 | 第52-53页 |
| 4.4.3 钢轨内边缘提取分析 | 第53-55页 |
| 4.5 钢轨缺陷定位 | 第55-57页 |
| 4.5.1 形态学处理 | 第56页 |
| 4.5.2 锈迹滤除 | 第56-57页 |
| 4.5.3 钢轨缺陷定位分析 | 第57页 |
| 4.6 实验结果 | 第57-59页 |
| 4.6.1 检测结果分析 | 第57-59页 |
| 4.6.2 实验数据分析 | 第59页 |
| 4.7 本章总结 | 第59-61页 |
| 5 钢轨表面缺陷识别 | 第61-66页 |
| 5.1 缺陷区域形状特征提取 | 第61-62页 |
| 5.2 缺陷的分类 | 第62-65页 |
| 5.2.1 钢轨缺陷类型定义 | 第63页 |
| 5.2.2 BP神经网络分类 | 第63-65页 |
| 5.3 实验结果 | 第65页 |
| 5.4 本章总结 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 6.1 全文总结 | 第66-67页 |
| 6.2 工作展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 附录A | 第71-73页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |